后训练
共 30 篇相关内容
对话启元首席科学家董豪：机器人进家之前，先把「学费」打下来
今年 9 月，在智能机器人与系统国际会议（IROS 2026）期间，启元机器人与北京大学董豪团队举办了一场面向真实家庭场景的双臂操作挑战赛。参赛者利用示范数据训练模型，入围模型再部署到真实机器人上，执行开洗衣机门、装衣服、叠衣服等任务。最终…
破壳机器人免费开放 RoboAPI，一套模型适配多款机械臂
10 月 30 日，破壳机器人（PokeBot）于官网上线 RoboAPI，将自研世界 动作模型 Poke Aurora 封装为可公开调用接口。 官方表示，RoboAPI 瞄准具身模型落地痛点：开发者更换机器人硬件后，往往要反复完成数据采集…
英伟达提出 ThinkWorld，把动作写成链，用想象的未来判对错
机器人演示采集成本高，覆盖的场景和动作有限。互联网上虽然有大量人类第一视角视频，却零散杂乱，也没有机器人可以直接执行的动作标签。VLA 怎样吸收这些视频里的操作经验？ 针对这个问题，英伟达联合 KAIST（韩国科学技术院），于 10 月 2…
依托世界模型倒带复盘，智元 Rollback 让单台真机 8 小时追上人类均值
机器人一旦做错决策，能不能退回节点换个动作重新尝试？ 这在现实物理世界很难，就像积木塔一旦倒塌，不会自己复原。机器人每试错一次，都要人工重置场景、把道具摆回初始状态，才能开启下一轮试验。 大量时间和成本都耗在场景复位上，这正是实体机器人强化…
智元升级 Genie Sim，柔性仿真贯通训练与评测
叠毛巾、收紧束口袋，对人来说是简单操作，对机器人却并不容易。布料和绳索会随着抓取、挤压持续变形，接触和摩擦也会改变后续操作条件。仿真如果无法还原这些变化，机器人就可能在虚拟环境中表现良好，到了真实环境却操作失败。 10 月 28 日，AI …
自然意志物理基模 Natura-1 首次亮相：技术、启发与幕后故事
自然意志物理基模 Natura 1 首次亮相：技术、启发与幕后故事 10 月 13 日，由清华大学电子工程系助理教授、博士生导师丁宁创办的自然意志（Nature Will）发布了成立以来首个通用具身基础模型 Natura 1 及技术报告，引…
自然意志物理基模 Natura-1 首次亮相：技术、启发与幕后故事
10 月 13 日，由清华大学电子工程系助理教授、博士生导师丁宁创办的自然意志（Nature Will）发布了成立以来首个通用具身基础模型 Natura 1 及技术报告，引起了业内广泛关注。 这是一个拥有 500 亿参数的混合专家（MoE）…
同一天两篇论文，复旦大学付彦伟团队：机器人先行感知，接住新视角下的动作
同一天两篇论文，复旦大学付彦伟团队：机器人先行感知，接住新视角下的动作 机器人伸手抓取被杂物遮挡的杯子，最直观的解法就是转动腕载相机重新观测。但相机转动会同步改变机械臂构型，策略将面临训练期间从未见过的初始状态，图像、位姿与剩余任务之间的关…
清华系创业公司新作：机器人看了 100 万小时人类操作，学会自己想办法
螺丝、包装袋、瓶盖，这些日常物件全都是为人手设计，但机器人的末端执行器大多还停留在两指夹爪。想要打造能在真实世界落地的通用机器人，灵巧手操作是绕不开的一关，而真正的瓶颈在于操作经验。通用模型需要见过足够丰富、大规模的真实操作样本，可机器人只…
智在无界卢宗青团队提出 Being-M0.7，依托人类视频动作先验，训练人形机器人全身移动操作
Being M0.7 依托一万余小时人类第一视角视频与人体动作数据，学习画面与全身动作的联合先验，再通过机器人轨迹完成中训与动作后训练，输出人形机器人全身移动 + 操作的控制指令。模型在 SIMPLE 仿真基准中综合成功率 71.1%，位列…
中科院自动化所与高德团队提出 DreamTrue，将机器人动作统一渲染为画面条件，实现高精度未来视频预测
DreamTrue 将机器人动作渲染为画面内的机器人作为训练条件，为世界模型补充示范数据中缺失的失败动作，并依托人工标注训练得到的奖励模型开展强化学习。当动作执行失败时，模型能够如实预测对应的结果，它在 AgiBot 平台上将交互缺陷率从 …
对话 StageCraft 作者，聊一聊 VLA 从本体迁移到环境变化差在哪
今年 IEEE/RSJ 智能机器人与系统国际会议（IROS）于 9 月 27 日至 10 月 1 日期间在美国匹兹堡召开。 本届 IROS 收录的论文接近 1,900 篇，分设三百多个主题报告场次。 作为机器人领域与 ICRA 齐名的两大顶…